1900的博客

我用的是虚拟机VMware。在虚拟机里面安装的。参考博客：https://blog.youkuaiyun.com/huayangshiboqi/article/details/82901856记录一下我安装的时候遇到的问题：首先看下自己的python版本。直接命令行输入python就会显示python如果你安装的是python3以上的版本，那就输入python3。如图，这是我的版本然后执行如下命令：sudo apt updatesudo apt install python3-

FBOW（Fast Bag of Words）是DBow2 / DBow3库的极端优化版本。该库经过高度优化，可以使用AVX，SSE和MMX指令加速Bag of Words创建。在加载词汇表时，fbow比DBOW2快约80倍（参见tests目录并尝试）。在使用具有AVX指令的机器上将图像转换为词袋时，它的速度提高了约6.4倍。地址：https://github.com/rmsalinas/fbowgit clone https://github.com/rmsalinas/fbow.gitm

ICRA2021-paper-list:https://github.com/PaoPaoRobot/ICRA2021-paper-list关于SLAM的文章:SLAMSessionWeBT12 : SLAM I Hybrid Bird's-Eye Edge Based Semantic Visual SLAM for Automated Valet Parking 11546 Collaborative Visual Inertial SLAM for Mul..

写在前面：准备跑一下ORB-SLAM3，然后配置运行也是自己在网上搜索相关的博客跟着做的，参考了很多博客，而且由于博文发布时间原因环境说明：

视觉SLAM十四讲学习笔记记录的都是比较简单的东西，刚学不太了解前面还看的比较仔细，后面那些章节没时间了，就随便看了看，没写什么东西。SLAM学习笔记-------------（二）初识SLAMSLAM学习笔记-------------（三）三维空间刚体运动SLAM学习笔记-------------（四）李群与李代数SLAM学习笔记-------------（五）相机与图像SLAM学习笔记-------------（六）非线性优化SLAM学习笔记-------------（七）视觉里程计S

参考教材：《视觉SLAM十四讲：从理论到实践（第二版）》注意：以下内容为个人学习笔记，如有表述错误，那就是我学的不好，不接受批评，仍在学习中~~~什么是SLAM：SLAM：Simultaneous Localization and Mapping 翻译为：同时定位与地图构建其实我倒觉得应该翻译为：实时定位与地图构建（我瞎说的，不敢质疑大佬们）通俗来讲：就是携带传感器的主体，在事先不知道环境的情况下，可以在运动的过程中对自己周围的环境建模，以及在环境中找到自己的定位。所谓视..

3.1旋转矩阵向量坐标ps：关于这部分知识，如有基础知识不理解，可以参考大学线性代数教材，笔记不做详细说明。在线性代数中，基（也称为基底）是描述、刻画向量空间的基本工具。向量空间的基是它的一个特殊的子集，基的元素称为基向量。向量空间中任意一个元素，都可以唯一地表示成基向量的线性组合。如果基中元素个数有限，就称向量空间为有限维向量空间，将元素的个数称作向量空间的维数。------摘自百度百科三维空间中的一组基为，向量 a 定义如下我们就把称为向量a在此基下的坐标。那么，a 向量

李群群：是一种集合加上一种运算的代数结构。如G(A，+) （离散数学里面有讲）群要求这个运算必须满足以下四个条件：上一讲中我们学了三维旋转矩阵构成了特数正交群，记作SO(3) 变换矩阵构成了特数欧氏群，记作SE(3)这两个群都是对乘法封闭的群。李群是指具有连续（光滑）性质的群。SO(3)和SE(3)都是李群。（ps：这节你就记住一点：这两个特殊的群，一个由R组成，一个由T组成，他们都是李群引出李代数上一讲我们学过，旋转矩阵是正交阵。那么，正交阵有个...

这一讲我们将学习：机器人如何观测外部环境？（所谓观测，主要也就是相机成像的问题）5.1 相机模型5.1.1 单目相机模型这个就是小孔成像嘛，主要看这个图就行一个点P通过小孔，在成像平面上是P' 。根据右边画的简易示意图，可以看出来，这两个三角形相似。那么自然可以有等式（这里为什么写负号，是因为小孔成像出来的是反向的，负号就是表示方向相反而已。不过一般相机会为我们做这件事：把图像反过来。所以我们为了简便，不用写负号也可以。相当于成像跑到前面了）把这个式子整理一下，得到：

由于我们得到的数据通常都是受到各种噪声的影响的，所以运动方程和观测方程都只能近似成立。所以我们必须考虑如何在有噪声的数据中进行准确的状态估计。6.1 状态估计问题经典的SLAM模型由运动方程和观测方程组成。...

第七讲和第八讲主要介绍两种视觉里程计的常用方法：特征点法和光流法本讲将介绍：什么是特征点、如何提取和匹配特征点、如何根据配对的特征点估计相机运动。7.1 特征点法第二讲我们说过，SLAM系统分为前端和后端。前端又叫做视觉里程计。视觉里程计根据相邻图像的信息估计出粗略的相机运动。给后端提供较好的初始值。视觉里程计算法主要分为两大类：特征点法和直接法。视觉里程计的核心问题就是根据图像估计相机运动。我们从图像中选取有代表性的点，这些点在相机视角发生少量变化的情况下保持不变。我们在各个图

第七章说过：七八两章主要讲视觉里程计的两种方法：特征点法和直接法第七章讲特征点法，现在讲直接法。前面讲的特征点法有个问题：特征匹配需要很多时间。所以我们考虑可不可以跳过特征匹配的过程。特征匹配可以把相邻图像之间的点匹配出来，然后求解位姿。跳过特征匹配，那怎么获得相邻图像之间对应关系呢？我们注意到了一个方法：光流法光流法是描述像素随着时间在图像之间运动的方法以L-K光流为例：我们基于两张图片灰度不变假设，可以得到一个等式。再假定某一窗口内的像素具有相同的运动，就可以得到WxW

线性系统和卡尔曼滤波（KF）线性高斯系统是指，运动方程和观测方程可以由线性方程来描述:并假设所有的状态和噪声均满足高斯分布。记这里的噪声服从零均值高斯分布:卡尔曼滤波：非线性系统和扩展卡尔曼滤波：在理解了卡尔曼滤波之后，我们必须要澄清一点:SLAM 中的运动方程和观测方程通常是非线性函数，尤其是视觉SLAM 中的相机模型，需要使用相机内参模型及李代数表示的位姿，不可能是一个线性系统。一个高斯分布，经过非线性变换后，往往不再是线性分布。所以在非线性系统中，我们必须取一定的近似，

滑动窗口优化这个比较好理解。实际工程中，我们必须控制后端优化的计算规模控制计算规模的做法有很多，比如从连续的视频中抽出一部分作为关键帧，仅构造关键帧与路标点之间的BA问题，于是非关键帧只用于定位，对建图则没有贡献。即便如此随着时间的流逝，关键帧数量会越来越多，地图规模也将不断增长。像BA这样的批量优化方法，计算效率会不断下降。为了避免这种情况，我们需要用一定手段控制后端BA的规模。这些手段可以是理论上的,也可以是工程上的。例如，最简单的控制BA规模的思路，是仅保留离当前时刻最近的N个

回环检测的意义我们已然介绍了前端和后端：前端提供特征点的提取和轨迹、地图的初值，而后端负责对所有这些数据进行优化。然而，如果像视觉里程计那样仅考虑相邻时间上的关键帧，那么，之前产生的误差将不可避免地累积到下一个时刻，使得整个SLAM 出现累积误差，长期估计的结果将不可靠，或者说,我们无法构建全局一致的轨迹和地图。虽然后端能够估计最大后验误差，但所谓“好模型架不住烂数据”，只有相邻关键帧数据时,我们能做的事情并不多，也无从消除累积误差。但是，回环检测模块能够给出除了相邻帧的一些时隔更加久远的约束

我们之前的讨论，基本集中于“稀疏路标地图”部分，还没有探讨稠密地图。所谓稠密地图是相对于稀疏地图而言的。稀疏地图只建模感兴趣的部分，也就是前面说了很久的特征点（路标点)。而稠密地图是指建模所有看到过的部分。对于同一张桌子，稀疏地图可能只建模了桌子的四个角，而稠密地图则会建模整个桌面。虽然从定位角度看，只有四个角的地图也可以用于对相机进行定位，但由于我们无法从四个角推断这几个点之间的空间结构，所以无法仅用四个角完成导航、避障等需要稠密地图才能完成的工作。...

书上推荐安装带模板的库（我用的第二版的书， SLAM十四讲我自己用的随书源码里面提供的库，编译报错，我就去重新下载了一个带模板的（地址如下https://github.com/strasdat/Sophus我下了压缩包，解压之后把文件夹直接复制到虚拟机里面然后在文件夹下mkdir buildcd buildcmake ..makesudo make install （ps：书上没有这一步，最好还是加上吧这回编译就不报错了...

第十讲里面有个sphere.g2o 书上说用g2o_viewer打开我在ch10文件夹下执行了命令g2o_viewer sphere.g2o提示报错：找不到g20_viewer命令在网上搜了下，参考这个博客https://blog.youkuaiyun.com/qq_43525260/article/details/104192218但是他写的有个命令需要改下下面是解决过程打开g2o的源码，cmake_modules文件夹下的QGLViewer.cmake文件。如图打...

命令行输入sudo apt-get install meshlab就行了。也可以源码安装：https://blog.youkuaiyun.com/zhuiqiuzhuoyue583/article/details/107391888安装好了之后，可以直接打开的，是个应用程序。也直接右击点云图，会出来打开方式，选择MeshLab即可。...

https://blog.youkuaiyun.com/minhuaQAQ/article/details/109471374?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242

在终端执行的时候，我们直接打程序名字执行，这是可以的但是我在IDE里面，不知道为啥，就是选择不到另一个程序，让他执行。一直执行同一个程序。可能我太菜了，不会用KDevelop。英语也不好（菜狗.jpg)在网上搜了，也搜不到这个问题，可能大佬们都没遇到吧。我就自己捣鼓了下，试了试，找到一个操作，可以执行另一个程序了。记录一下。如有不对之处，欢迎指正（轻喷~一个工程下，有两个程序，如何选择不同的进行执行呢？比如这个工程：俩可执行的程序首先，点击编译按钮编译结果显示，两

第三讲有一个可视化轨迹程序需要用到pangolin，首先你要确保安装了pangolin 然后在KDevelop里面打开示例代码的examples文件夹，编译没问题，运行的时候报错了，如图：说找不到txt文件解决办法：我们打开源码把本来写的是 ./examples/trajectory.txt 改成 ../../examples/trajectory.txt../../examples/trajectory.txt因为你观察外边的目录结构，就发现这个txt文...

首先打开KDevelop点击Project----->new From Template依次选择图中的选项，给这个工程起个名字直接点完成然后回出现一张类似下面的图（当时忘记截图了）这个就是你这个工程的位置 一般会存放在 home/projects/test/build test是你自己起的名字直接点击ok就行了就创建好了，你会看到一个main.cpp 里面是一个helloword程序，点击左边的Projects可以调出项目列表编...